中国人工智能产业年会主题论坛圆桌对话——
俞凯：《智能时代—中国产业界的机遇与挑战》

　　俞凯：首先抛出来的话题是在人工智能时代，目前最有价值的人工智能的落地场景是什么?这是所有人都非常关心的话题。因为很多人对具体场景特别感兴趣，所以我们今天不是说产业，而是要说场景，看一下人工智能在未来时代的机遇有什么具体的阐述。比如说在你这个领域会有多少场景?

　　龚珍：药明康德主要是做新药研发服务的，公司很多方面都可以做人工智能的应用。因为有很多大量合成化合物，每天需要经验的合成人员，花大量的精力设计合成路线，得到一些化合物，现在随着人工智能和大数据普及，我们可以利用人工智能的方法让电脑自己设计合成路线，这样的话，就省去了很多大量的工作，方便合成人员。

　　朱频频：第一点，从我的角度来看，我们所从事的技术和行业应该都是最具投资价值和发展前景。 第二点，现在每个行业都有一个次级发生的过程，哪些场景会尽快的落地?因为AI是一种全新的方法论，其实它跟我们以前做得IT有非常大的理念上的升级，我认为人工智能可以升级和改造一切产业的，现在什么产业最大，未来场景就是最大。第三点，我觉得智能客服是非常重要的场景，能够直接产生商业价值的，但是我们并不认为它是未来最大的应用场景。第四点，智能制造会是未来最大应用场景，因为现在制造业需要转型、升级和改造，而且这里面要用到非常综合性的人工智能技术才能够改造。第五点，应用场景是适合不同公司要去做的，有些传统公司也可以使用人工智能改造它的应用场景落地。

　　林倞：我认为现在的AI最好的应用场景，按类型来说，它有几个特点。第一，AI能够改变你的生产力或者改变你的生产效率，比如制造、安防。第二，改变用户的交互方式，比如刷脸支付、人脸解锁。第三，使人的生活体验更好，比如说无人车，甚至是智能家居。如果去满足这三个需求都是很好的场景，甚至这都是刚需。但从技术角度来讲，我们本质上从数据驱动的方式代替传统的基于逻辑、基于规则的AI，应该体现数据驱动的方式解决人做不到的事情。从这个意义上讲，这种应用场景必须能够形成数据闭环，并且在这个闭环中，你的需求跟技术发展有一个匹配的过程。比如说商汤从2012年开始做人脸识别，到2016年的时候真正把很多场景问题给解决。假如说我们在2014年解决1：1的问题，2016年开始解决1：N，达到了技术的突破点，只要符合这个需求跟技术的发展是匹配的，我认为这样的场景就很好，这是为什么商汤会进入很多垂直领域，有些场景是符合我所说的这几个条件的。

　　姚骅：从投资人角度来讲，我觉得能够有比较成熟的持续经营商业模式的公司，目前进展最快的行业比如安防，安防是刚需，而且是公共需求，对我来讲，对每个行业来讲，AI应用是不一样的，安防是公共安全，这是重要的刚需，这应该是比较成熟的应用场景领域。那么，在未来大的发展过程中，人工智能在教育领域会出现大规模的企业。为什么呢?因为我觉得教育是中国人最最关注的领域，每个家长对每个孩子的教育都是倾注全力，从家庭到社会都是这样。另外，整个社会对教育抱怨最多，痛点最多，这方面需要人工智能去改善提高。

　　李金华：我个人的看法，最好的应用场景还是在智能制造这个领域。我们从投资角度把人工智能划为三大块。第一层是基础，比如说芯片、传感器等等。第二层是技术层，我们又把它做了一些小的划分，从感知层到认知层，再比如我们看到的很多生物识别的技术，或语音识别等等，包括机器学习、自我学习等等。第三层是应用层，应用层把它划为两部分，第一部分是各种行业解决方案，也就是行业应用场景。第二部分是消费，智能硬件方面。那么，站在投资角度来讲，我们更多会关注基础层和应用层，中间的技术层，很多识别的技术，我个人的观点，迟早有一天会走向开源的状态，所以更多会关注在基础层和应用层。从最终的需求来讲，人工智能最终目的是把我们人类从传统体力劳动解放出来。我们需要把很多传统制造不用人去劳动。当把人类解放出来后，可能会考虑消费方面应用，其实我们消费的很多东西跟智能制造密切关联，所以我的结论是，最好的场景还是在智能制造方面。

　　贾俊诚：怎么说最有价值的应用呢?当人工智能的任何一项技术跟产业结合，能够落地才是真正能发挥出价值的，这首先是一个观点。虹软公司在图像领域耕耘有23年时间了，基本上有摄像头的地方都能找到虹软的踪迹。这块怎么更好与产业结合，也是我们虹软经常要去考虑思索的问题。其实这块应用落地已经在进行中，而且做得非常好。比如说刚才提到的安防、教育、消费电子，这类其实都已经有落地了。那么，怎样把这些东西做得更好?比如说中小企业也能够把高端的技术更好的应用起来，这个产业才能做得更好。所以，今年虹软在7月份把人脸识别算法开放出来，完全免费，这样就让中小型企业也能够快速低成本使用到这个技术，像这样的技术在各个行业用好了，去贴近老百姓生活，这才是最有价值的应用场景。

　　俞凯：在下面第二轮讨论中，请各位专家探讨人工智能影响未来的颠覆性技术话题，包括技术与产业的相关性观点。

　　贾俊诚：从图像角度来讲，摄像头是遍布都有，各行各业都有，可以说摄像头的出现是给人类增添了很多双智慧眼睛。那么图像的识别，它颠覆了什么呢?给这些眼睛安装上了大脑，通过这些眼睛帮助人们思考，帮助人们预先发现很多问题，比如有些地方人流量统计、天网行动等等。总之，语音也好，图像也好，在与人交互方面带来影响是非常大的。至于技术是否开源是一步一步推进的。首先是一个产业慢慢壮大，那么虹软公司也会把一些成熟技术慢慢免费出来，整个社会才能进步。

　　李金华：颠覆性技术我认为只会有一种，那就是生物芯片。其实后面的语音识别，包括其他的识别技术，更多是偏软件方面的。实际上全部人工智能，如果真的要追溯到顶层一定是跟芯片有关系的，如果说最核心的，还是芯片，并且是在生物芯片方面应用。

　　姚骅：我觉得重点突破是计算能力，虽然我们现在计算能力已经有很大的飞跃了，可能到2020年计算能力相当人脑了，到2050年计算能力相当于全人类的人脑了。计算能力突破可能是最重要的基础，它是人工智能的发动机。而硬件恰恰是我们中国最最弱的一个领域。期待所谓的量子计算机能不能未来真的突破。

　　林倞：现在AI公司里真正懂技术的并不多，在我看来，真正的突破有两个方面，第一个，目前图灵机的架构，所谓冯诺依曼体系，其实有一些局限性的，我们以前把控制器、存储器，这是当时考虑到成本，考虑到材料、工艺的局限，那么五六十年代以来我们一直遵循这样的架构，我们想到计算机架构就是冯诺依曼体系，不管是高能计算的还是芯片的都是，这个在我看来会比量子计算会更加实际一些，这是一种新的跳出冯诺依曼框架的计算。第二个我认为真的要跳出目前数据驱动深度学习的框架，包括投资人也好，我的客户也好，都认为技术已经没有什么可以做的了，好像就应该去做应用层或者基础层。虽然我们商汤也在做应用层和基础层，但是我认为算法持续突破还有很长的路要走。既然我们谈到数据闭环，其实大部分时候商业模式都需要从客户里面拿大量的数据来做训练，训练完以后我们把这个模型给客户去用。我们很多时候存在两个问题：第一依赖数据海量的标注和清洗，经常会维系几百人的团队或者外包公司来处理这些数据，得数据才可以做训练。第二个当有些应用场景你不可能把数据拿出来的时候，你是一个封闭的，你需要让网络能够自动的训练。算法人员是很贵的，算法工程师，AI工程师，让他能够帮助你设计一些网络，神经网络能不能让它进行演化，所以这里面研究一旦有突破的话，造成应用场景有很大的改变。商汤一路走来，很多时候都是通过技术打开这个蓝海市场，这样的机遇还是一直存在，所以算法本身的框架研究有很长的路要走，而且有很多突破的点，并不是大家看到的。

　　朱频频：我说三点。李总刚才提到关注基础层和应用层可能是从投资人角度来说会比较关注。其实现在我们公司也组织产业基金，也在做投资，但我们只关注应用层。我要说的是，技术并不像我们想象那么简单，调一个API就可以了，开源就可以了，完全不是这样子的。因为现在只有一家技术公司才能够做好应用，我们现在技术公司要把AI产业变大，最重要是把这个技术怎么平台化，怎么有自己的方法论和服务体系，才能更好的推下去。这个技术并不是像大家想象的，有一些基础理论得到了突破，但是实际应用还是有很大的偏差。因为深度学习的发展让图像识别、语音识别，让自然语言的理解都有了非常大的突破，但仍然有太多问题要解决。所以这里我是回应一下，不要让大家觉得好像技术层不那么重要，但大家开源出来完全不是那回事儿，不懂技术的公司想做好应用是不可能的，或者说没有技术所驱动的基础层，它的发展方向有可能是错误的。第二点，深度学习的确是促进这一轮AI革命的起点。现在AI大家已经发现很多弊端了，我们不能动则就说人工智能就是深度学习。至于未来计算机往下发展会有什么革命性的技术呢?我个人认为非常重要，就是在认知能力方面。目前的认知能力还是把人类的知识，用知识工程的形式数字化，让计算机去执行这样一些模式。这种模式很大一个问题，计算机目前是不懂常识的，在不懂常识情况下，就必须要给它非常显示的逻辑让它执行。但是让计算机懂常识必须得绕过人类知识的过程，因为计算机对世界的认知，跟人对世界的认知是有很大的不同。前面一段时间像脸书首席科学家提到，未来15-20年左右时间，计算机有可能掌握常识。我觉得让计算机掌握常识，这是最重要巨大的突破。第三点，刚才说到掌握常识，还是在算法升级上面的想法，未来最重要的技术就是量子技术，量子技术是未来终极的技术，因为量子技术并不像大家所想象的，只是把我们解决量子通讯的问题，量子加密的问题，量子计算的问题，甚至在很多方面都会完全区别现在所有经典技术的方式，这跟我的出身有关系，我本科学的就是量子物理，现在开始搞人工智能，所以我对量子是情有独钟的。我们公司现在也投资了一家做量子计算的公司，量子人工智能的公司。我也知道量子人工智能最后落地，或者量子计算的落地至少还得10年的时间，但是我有这个情怀要去做这样的事情。

　　龚珍：我还是说生物医药方面。如果人工智能能取代科学家，设计药物分子，这可能是一个大的颠覆，虽然现在做不到，但可以做一部分。现在药物设计主要还是依赖于科学家的经验，经验肯定会遗漏一些东西。

　　俞凯：刚才提到合成路线，虽然可以用自然语言处理的一些方式去优化，但可能设计理念和更复杂的设计，如果能被机器所替代将会是非常颠覆性，因为它可能会造成新的物质或者新的药品。其实，刚才我们说的是技术相关的话题，接下来，我们再说说挑战。现在人工智能整个发展环境，应该说是历史上最好的时机，但从各位眼里面看，目前对于人工智能方方面面的描述是不是有泡沫?在你们相关的公司和产业中，有哪些是最大的挑战?而且必须要克服掉，才能使整个产业界把人工智能真正意义落地?

　　龚珍：最大的挑战可能还是描述这个问题，比如说药物研发，怎么样把这个表征出来，用人工智能的方法把它训练出来。究竟有没有泡沫，这个也不好说。

　　朱频频：泡沫肯定是有的，而且不小，很大。但是泡沫是必要的，因为在每一个行业快速发展的时候的确需要政府，需要资本来注入大量的泡沫，才能促进这个行业更快的发展。因为现在国内发展人工智能不是跟自己在竞赛，我们是在跟世界竞赛，在这种情况下，我认为应该是要有泡沫的，这也很正常，这么多政策，这么多资源投入进来，你不可能那么准，你不准的部分那就是泡沫，只不过不准的部分有点大。大家都知道人工智能跟大数据、云计算的关系，但并不是所有云计算和大数据都是为人工智能服务的。我看见很多不是为人工智能服务的大数据，都包装成人工智能服务的，这种情况我见到还是蛮多的。所以在这种情况之下，您说最大的挑战怎么样，我觉得挑战不仅仅对我们企业的挑战。有泡沫很好，我可以更容易找到钱，我的估值也更高。对我企业来讲没有直接的问题，企业更重要的还是要脚踏实地把这个事情做下去。既然有泡沫，迟早会有戳穿那一天，而且那一天不会太长，因为现在大家学习能力都很快，政府有很多精英，在开始做一些尝试，大家还是要脚踏实地做一些事情。巨大的挑战如果脱离一个个企业来说，对于中国还是要看的准，投得准，把里面的李鬼给辨别出来。

　　林倞：关于泡沫，我还是比较认同朱总的观点。我说一下挑战吧，从公司来说，AI是比较长的产业链，它的生态也比较复杂。最大的挑战，我从学术界到产业界，怎么在发展过程中有一个清晰的定位，因为中国企业有一个特点，就是吃完下游吃上游，希望所有都自己做。比如说从技术、数据、产品化都会自己做。像欧美整个上下通吃的完整企业并不是很多。当AI开始的时候，每个公司应该思考自己的核心竞争力哪里，我们到底是平台型AI公司，还是产品型AI公司，对于商汤来说也作了很多的尝试和调整。最早是做平台型的做法，但我们很注重生态的共建，现在我们开始尝试具体应用场景做产品化的落地，因为我们也意识到了自己的不足，我们需要打磨一些产品，在产品里面实现差异化。

　　姚骅：现在挑战有很多，有刚才讲的泡沫。第二是数据孤岛和数据垄断，一般的创业公司在数据方面是很短缺的，但是从中国发展战略来看，未来十年二十年中国最大的瓶颈还是在硬件，因为中国从半导体领域，从CPU到GPU过程中，中国这方面的创新能力都比较弱，这一点大家都应该很明白，我们的半导体每年进口规模超过10亿，所以我们在基础层面还是最弱的，这是最大的挑战。

　　李金华：我完全同意其他几位嘉宾关于泡沫的看法，泡沫肯定是有的。那么挑战更多还是在人才和技术方面，在我的观念中，基础层和技术层，对人工智能产业推进，基础层和技术层是最重要的，我第一轮表达观点站在投资角度会关注两端。为什么会这样子呢?这跟第二个问题就有关联，我们去看技术层的时候，如果谈到具体挑战的话，对行业来讲是刚才讲的技术。如果我们再具体到一个公司，他可能面临的挑战是技术+资金。我们担心的是什么呢?比如说我们有很多有创意的小公司，会开发出很多可以代表当今最先进的技术产品，但是我最怕突然冒出一个大公司，比如说语音做得很好，但是最大的公司把它免费出来。所以对于整个行业来讲，我认为还是人才，也包括姚总刚才讲的中国跟国外的差距。具体到人工智能公司，我认为就是人才、技术和资本，将会成为能不能发展起来的根本。

　　贾俊诚：前面几位嘉宾都已经谈到泡沫，其实是存在的。现在是从个人到企业，甚至国家的层面，其实都非常注重人工智能。在这个时候有泡沫，不可怕，关键是企业从技术层面，还是从应用层面，抓住这个机遇，沉下心把技术做好。可能有些时候步子迈大了，关键是怎么样把你现有技术更好的贴合现在的基础设施。比如说iPhone X有3D人脸识别技术，3D人脸识别技术确实非常先进，但不是说这个东西马上都要上，不是说现在所有收集都是3D人脸识别，那你就要把现有技术用好，沉下心来，既要往前迈一步，当下的东西也要紧紧抓起来，这才是我们真正的挑战。从企业角度来讲，一个是技术更广泛的应用，一个是更好往前走一步。

　　俞凯：最后，请各位嘉宾用一句总结出产业界在智能时代面临机遇和挑战的看法，或者说出各自的宣言。

　　龚珍表示：非常希望人工智能能够很好推动我们医药行业的发展。

　　朱频频认为：要用标准和方法论把技术带到产业化当中去。

　　林倞建议：各位AI的从业者和企业，都要深挖AI应用场景，通过差异化来保持自己的竞争力，最后形成比较健康的AI生态圈。

　　姚骅、李金华感到：未来已来，对每个人来说没有AI就没有未来。

　　贾俊诚希望：利用现有技术发掘未来需求。

　　至此，2017中国人工智能产业年会主题报告圆桌讨论——“智能时代：中国产业界的机遇与挑战”画上了圆满的句号。各位专家学者从人工智能领域所关心的具体应用场景出发，经过各自的分享与交流，使之对当前人工智能所面临的机遇、技术瓶颈和产业当中的挑战都有了新的认识。大家各自探讨了应用场景优先，颠覆性技术产品要有差异化为主的定位与边界，以及对人工智能发展存在的泡沫，都谈出了不同的认识和观点。面向未来，各位专家纷纷对语音与图像的人机交互、认知科学技术、量子计算、新型的算法和神经形态计算机表达了不尽相同的思考。无论是基础层和应用层，或技术层，还是从垂直领域到安防、教育、金融和医疗，数据闭环、生态平台、技术开源和智能制造都成为带有共性探讨的话题，这也从某个特定角度阐释出人工智能时代产业发展所面临的机遇和挑战。